基于多神经网络混合的短文本分类模型

摘要：

文本分类指的是在制定文本的类别体系下,让计算机学会通过某种分类算法将待分类的内容完成分类的过程.与文本分类有关的算法已经被应用到了网页分类、数字图书馆、新闻推荐等领域.本文针对短文本分类任务的特点,提出了基于多神经网络混合的短文本分类模型(Hybrid Short Text Classical Model Base on Multi-neural Networks).通过对短文本内容的关键词提取进行重构文本特征,并作为多神经网络模型的输入进行类别向量的融合,从而兼顾了FastText模型和TextCNN模型的特点.实验结果表明,相对于目前流行的文本分类算法而言,多神经网络混合的短本文分类模型在精确率、召回率和F1分数等多项指标上展现出了更加优越的算法性能.

关键词：深度学习、短文本分类、关键词提取、特征重构、神经网络、FastText、TextCNN

所属期刊栏目：29

资助基金：中国科学院信息化建设专项XXH13504-01

在线出版日期：2020-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：9-19